局部对比度增强 - 智瞳车牌通专项增强能力

逆光、雾霾、整体发灰的图,把被压平的字符边缘「弹」回来。

「局部对比度增强」是智瞳车牌通专项增强能力中的一项。智瞳车牌通是面向监控截图、行车记录仪截图等疑难车牌场景的在线 AI 增强辅助识别平台,采用「先增强、再识别」的技术路线;本页可免费不限次在线预览该能力效果,导出无水印原图按次扣除点数。

先用 10 秒自查:这张图该不该用这一项

以下为局部对比度增强的适用判断,供你对照自己的车牌截图。

适合用这一项

慎用 / 换别的能力

局部对比度增强是什么

逆光拍摄、雾霾天、隔着玻璃拍摄,或者图片被微信多次转发压缩之后,车牌区域常常出现「整体发灰」:亮度不算低,但字符与底色之间的层次被压缩,看起来像蒙了一层灰。这类图的亮度直方图集中在一个很窄的区间内,识别引擎很难找到清晰的笔画边界。

全局拉伸对比度(例如直接拉直方图)会连背景一起拉,容易让高光过曝、暗部变脏。局部对比度增强把图像切成小块,每块单独做直方图均衡,因此能在保持整体曝光不变的前提下,把局部细节层次分离出来。

它是怎么做的?

采用 CLAHE(限制对比度自适应直方图均衡):先把图像划分为若干小格,每格计算局部直方图并做对比度限幅(超过阈值的部分被裁剪并均匀分配到整个灰度区间),再用双线性插值把各格的映射平滑拼接,避免出现方块边界。

限幅这一步是 CLAHE 与普通直方图均衡的关键区别:没有限幅,暗部噪声会被当成「细节」一起放大,车牌上会出现密密麻麻的斑点,反而干扰 OCR。

名词解释

直方图均衡
把图像灰度分布重新映射,让各亮度级出现得更均匀,从而提升对比度。全局均衡会让高光过曝、暗部变脏,因此需要局部化。
CLAHE
Contrast Limited Adaptive Histogram Equalization,限制对比度自适应直方图均衡。相比普通自适应均衡,它对每个小块的直方图做限幅,抑制噪声放大,是目前业界最常用的局部对比度增强方法。
Clip Limit(对比度上限)
直方图裁剪阈值,决定局部对比度能提升多少。数值越大对比越强,但噪声放大也越明显。
Tile / Grid Size(分块数)
把图像切成多少个小格。格越小,均衡越「局部」,能救回更多小细节,但也更容易出现块状边界与噪声。
双线性插值
相邻格的映射函数之间做平滑过渡,避免分块处理留下肉眼可见的方格接缝。

常见问题

对比度增强和暗光增强能一起用吗?

可以,而且很多夜间监控图两者联用效果最好:先用「自适应暗光增强」把整体亮度拉起来,再用「局部对比度增强」把字符与底色的层次分离出来。你可以在「综合编排」里把两个能力串成一条流水线一次执行,也可以先单独试一个再试另一个。

为什么增强后车牌上出现了很多小噪点?

这是局部对比度增强的典型副作用——对比度提升的同时,压在暗部里的噪声也被当成细节一起放大。把「对比度上限」降 0.5 通常就能明显缓解;如果原图本身噪点很重,说明这张图更适合先做去噪处理再增强。

CLAHE 会让照片偏色吗?

不会。这一能力只作用在亮度通道上,不改变色相与饱和度,因此蓝牌、黄牌、绿牌的底色关系保持不变,不会出现「增强后车牌变成另一种颜色」的情况。

分块数(grid_size)调大有什么代价?

分块越多,每个块内参与统计的像素越少,均衡越激进,容易出现块状边界和局部噪声,所以它是默认折叠的「高级参数」。常规使用保持默认 8 即可。

相关能力

返回专项增强总览,查看全部 9 项智瞳车牌通车牌增强能力。